最近の投稿において、ある著者は、大規模言語モデル（LLM）は「優秀なインターン」としての役割を続ける可能性が高いと主張しています。つまり、人間による指示があれば効果的であるものの、ほとんどの領域において完全な自律性を備えることはできないということです。この分析は、ほとんどの企業が完全に自律的なAIを採用できない理由は、スキル不足や技術普及の遅れではなく、現在のアーキテクチャに内在する構造的な理由にあると仮定しています。
著者は、LLMをうまく活用できる可能性がある3つの特定の企業クラスを特定しています。最初の2つは、フロンティアモデルのような高度な推論能力を必要としない、コストに敏感な組織です。これらの企業は、ローカルハードウェア上で安価なオープンソースモデルを動かすことから、より大きな恩恵を受ける可能性があります。これらのユーザーにとっての成功は、単一の大型モデルの生の推論能力よりも、多くの小型モデルを使用して組み合わせ検索を行う「エージェンティック・スウォーム幅（agentic swarm width）」に依存しているように見えます。
3つ目のクラスには、数学やセキュリティ研究などの高度に専門化された分野に従事する企業が含まれます。これらの企業はフロンティアモデルを使用するかもしれませんが、著者は、DeepSeek V4.1 Flashのような、より広範な安価なモデルの群れ（swarms）を使用する利点が、ハイエンドな推論の利点を上回る可能性があることを示唆しています。さらに著者は、これらの企業はしばしば知的財産の機密性を優先するため、データ使用に関する合意がある場合であっても、AnthropicやOpenAIのようなプロバイダーに機密データを送信することに慎重であると述べています。
最終的に著者は、AIコンピューティングの未来は、自己走行する人工超知能への移行よりも、人間がオーケストレーターとして動かすツールとして機能する大規模な「ブレインレット・スウォーム（brainlet swarms）」によって推進される可能性があると示唆しています。
出典
- Why I'm still bearish on LLMs after Navier-Stokes （Hacker News Frontpage, 2026-09-15）